20131120工作安排及总结

本文作者反思了自己未能持续记录工作安排的原因,并决定重新开始这一习惯。同时,作者列出了今日的工作任务,包括排期单变更参数计算、合同加款补充参数计算及原有加款代码重构。

一晃,又10多天没有上ITEYE,10多天没有写安排总结了,这个记事,停止于双11。

没有写的原因总是能找出一大堆来,比如想尽快开始工作,比如没有时间,实际上,这些都是借口,真正的原因,还是因为没有养成习惯,比如,无论多忙,我每天来了还是要打开新浪看一会体育新闻,还是要上QQ。而这是和工作没有任何关系的。而花在这上面的时间,用来写一天的安排,足够了。

所以,归根到底,还是我的决心不够强大,没有坚持下来。持之以恒,看似简单,实际上真是一件很难做到的事。那句古话说得好:“若有恒,何必三更眠五更起;最无益,莫过一日曝十日寒”,突然想到“恒大”,这个品牌的名字,起得太好了。

这十多天,就算是又没有坚持下来吧,从今天起继续补上,也许以后的日子还会有断层的情况,对于我这种意志力薄弱的人来说,这几乎是肯定会发生的事,但是我希望这个间隔会越来越短,直至养成习惯。另外,周末最好也写一下总结。

最后,今天的任务是:

1)排期单变更参数的计算

2)合同加款补充参数的计算

3)原有加款代码的重构

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值